文本到语音 AI 代理商 音乐 对文本的语音 语音克隆 语音设计 市场地点 更多
报告错误/功能要求

语音克隆

使用 AI 复制声音生成语音 。

签署自由

参考音频

Step 1: < 上传您想要克隆的声音的音频剪辑( 5- 30 秒清晰发言)。 < strong > step2: 选择下面的模型。 < strong > step 3: 键入您的文本并单击生成 。

拖放您的文件到这里( D), 或者 浏览

从 MP3 上传语音样本到克隆。 MP3, WAV, FLAC。 选中的模型的每个引擎限制在下面显示—— 超过自动剪切到最清洁部分的上传。 Max 上传 500MB 。

文件. mp3

0 MB
音频质量 ...
持续期限: -- 音大声: -- 安静: --
- 或直接记录——
00:00

克隆模型

参考音频 : 5s – 30s (长于自动剪到最干净的部分)

质量 :
快速预览

要读读的文字

0/5000 字符 · 每一代5,000人签名 →
语言应匹配参考音频
上传语音样本, 以启动
5,000 字符 — 签名 跟踪使用

结果成果

上传引用声音, 输入文字, 并生成以听到克隆声音

克隆的声音 和产生演讲...

0:00

您所保存的声音

签名 保存已复制的声音,供日后使用。

语音克隆如何工作

1. 上传参考音频

从您想要克隆的声音中提供10-30秒清晰的语音。 音频越清楚, 结果越好 。

2. 选择模式

从 OpenVoice、Chatterbox、CosyVoice 2 或 GPT-SOVITS 等克隆模型中选择。 每种模型对不同的语言和风格都有独特的优势 。

3. 输入文本并生成

输入您想要在克隆声音中使用的文本, 并单击生成。 下载或保存该声音供未来使用 。

使用案例

供每种创造性和专业需要的语音克隆

内容创建

以您自己的声音创建一致的语音复音, 不重录 。 修正错误, 添加新区段, 或者在您的声音中生成内容, 而远离麦克风 。

多语言多语

使用您不知道的语言, 并保留您的语音身份。 CosyVoice 2 等跨语言模式可以将内容转换为8种语言 。

游戏字符

为游戏、动画和交互式媒体创建独特的字符声音。 克隆引用声音并生成无限的对话框行 。

听音书

用你克隆的声音 高效制作音频书 无需几个小时的工作室录音

无障碍

使用先前记录的样本帮助失去声音的人重新说话。 保留声音身份供个人和医疗使用。

品牌声音

在所有音频内容中保持一致的品牌声音。 克隆你的品牌发言人并制作营销音频、 IVR提示和公告。

最佳成果提示

do Do

  • 使用清晰、无噪音录音
  • 更长的样品样本=更好的克隆(见下文指南)
  • 使用单一发言者
  • 记录在安静的环境中
  • 使用自然言语速度
  • 首选WAV或高位位位率 MP3

避免

  • 背景噪音或音乐
  • 多名发言者参引
  • 短短剪辑(3秒以下)
  • 重压缩音频
  • 耳语或喊叫
  • 记录中的回声或回动

样本长度如何影响质量

越长,越干净 你的参考音频越好 克隆越好

样本长度 克隆质量 最佳 获得机会
5–10s 基本 快速测试——能捕捉一般语气,但可能忽略细微差别 自由
30–60s 好 用于多数使用案例的固体克隆—— 记录音、 口音 自由
2–5 min 太好了 高不忠的克隆——自然反感、各产出的一贯质量 自由帐户
10+ min 好极了 近乎完美的复制——视听书、播客、专业用途的理想 自由帐户
1–2+ hrs 演播室级 在你的声音上微调一个自定义的模型 — — 与原创无法区分 Pro P计划

为了取得最佳效果,使用单一发言者的清洁音频、没有背景音乐和自然演讲。 WAV 或 FLAC 格式保存最详细的内容。

语音克隆计划

开始免费, 需要时升级

自由
  • 5-60秒参考音频
  • 基本克隆质量
  • 聊天箱模型
  • MP3 输出
最受欢迎的
自由帐户
  • 10分钟参考音频+15 000字符
  • 所有克隆模式
  • HD 质量模式
  • 保存克隆声音
  • 跨语言克隆
  • 所有输出格式
签署自由
职业
  • 2小时+参考音频
  • 工作室级克隆质量
  • 自定义模型微调
  • 批次生成
  • API 访问
  • 优先处理事项处理
升级

常问问题

AI 语音克隆使用深层次的学习来复制一个人的声音,从一个短的音频样本中复制。 一旦克隆,你就可以产生像原发音者一样的新演讲。 现代模式只需要5秒钟的参考音频。

聊天盒提供最好的零光克隆,并具有情感控制。 CosyVoice 2 可用于多语言克隆(8种语言 ) 。 GPT- SoVITS优于5秒钟的音频。 OpenVoice 提供颗粒风格控制 。

大多数模型使用5-30秒清晰的音频。 较长的样本( 最多60秒) 通常产生更好的结果。 音频应该是干净的, 单声道, 没有背景音乐或噪音 。

您应该只克隆您允许使用的声音。 这包括您自己的声音、来自同意的个人的声音或来自合法许可来源的声音。 未经授权的语音克隆可能违反您管辖范围内的法律。

是的!跨语言语音克隆模式,如CosyVoice 2 和 GPT-SOVITS 可以以不同语言发声,同时保持克隆语音身份。 这对调和和本地化有用。

使用一个单一发言者的干净录音,没有背景音乐或噪音,并且使用同一音量的自然语言。 避免耳语、喊叫或经过大量处理的音频。 WAV或FLAC格式在 16 kHz 或 16 kHz 以上可以产生最佳效果。

语音克隆在得到声音拥有者同意或使用自己的声音时是合法的。 许多辖区都有保护声音相似权利的法律。 绝不要克隆声音来冒充他人、制造深假或欺诈。 在克隆他人的声音之前,必须获得适当的许可。

是的,您可以使用克隆声音作为商业用途,只要您有权使用引用声音。这包括您自己的声音,聘请同意的语音演员,或者有适当许可的语音样本。 生成的音频可以用于产品、视频和应用。

是的, 注册用户可以将克隆语音配置保存到账户中 。 保存后, 您可以在不重新加载参考音频的情况下, 将克隆声音再用于子孙后代 。 此功能可以在您的账户的“ 我的声音” 部分中找到 。

象 Chatterbox 这样的模型以克隆声音提供明确的情感控制( 快乐、 悲伤、 愤怒等) 。 其他模型从参考音频中捕捉一般的音调和风格。 最理想的情感传输, 请在您的引用样本中包含表达性语言 。

语音克隆通常需要3-10秒,视模型和文本长度而定。 热电箱和GPT-SOVITS被优化用于快速克隆。 随着模型处理参考音频,第一代需要的时间可能稍长一些。

语音克隆使用4x字符的特价定价,例如查特本和乌龟。免费账户在注册时接收了15,000个字符。标准级克隆模型如CosyVoice 2使用2x字符。
5.0/5 (2)

我们能改进什么?您的反馈帮助我们解决问题。

使用 AI 克隆任何声音

上传一个简短的音频样本, 并开始以任何声音生成语音。 注册可自由启动 。

签署自由 视图定价